Python 在不同的列上使用apply（），在数据帧的每列上使用不同的函数

我有一个

DataFrame

，其中有列name

age，salary

。还有一些

NaN

值。我想用

Mean

和

Median

填充这些值

原始数据帧

age salary
0   20.0    NaN
1   45.0    22323.0
2   NaN 598454.0
3   32.0    NaN
4   NaN 48454.0

使用apply（）将缺少的

age

用

mean（）

和

salary

分别用

median（）

填充各自列的

age

。

我曾经

df['age','salary'].apply({'age':lambda row:row.fillna(row.mean()), 'salary':lambda row:row.fillna(row.median()) })

即使在我使用axis=1后，它仍显示关键错误“年龄”和“工资”

预期输出

    age salary
0   20.000000   48454.0
1   45.000000   22323.0
2   32.333333   598454.0
3   32.000000   48454.0
4   32.333333   48454.0

有人能告诉我如何正确地做，以及在后台发生了什么吗

---

请告诉我是否还有其他方法。我正在从头开始学习Pandas

在运行apply之前计算缺失的值怎么样？也就是说，计算

年龄

的平均值和

工资

的中位数，然后使用（注意在多个列上操作所需的额外

[]

括号）

还请注意，这不会影响数据帧，而是会创建一个新的数据帧，因此，如果要更新列，请使用以下方法：

df[['age', 'salary']] = df[['age', 'salary']].apply(...)

或者，在您只想填写缺失值的情况下，最好的解决方案可能是：

r.fillna({'age': mean_age, 'salary': median_salary}, inplace=True)

---

在运行apply之前计算缺少的值如何？也就是说，计算

年龄

的平均值和

工资

的中位数，然后使用（注意在多个列上操作所需的额外

[]

括号）

还请注意，这不会影响数据帧，而是会创建一个新的数据帧，因此，如果要更新列，请使用以下方法：

df[['age', 'salary']] = df[['age', 'salary']].apply(...)

或者，在您只想填写缺失值的情况下，最好的解决方案可能是：

r.fillna({'age': mean_age, 'salary': median_salary}, inplace=True)

根据，最简单的方法是将字典作为

值

参数传递：

值：标量、dict、序列或数据帧

age salary
0   20.0    NaN
1   45.0    22323.0
2   NaN 598454.0
3   32.0    NaN
4   NaN 48454.0

用于填充孔的值（例如0），或者是一个dict/Series/DataFrame值，指定每个孔使用哪个值 索引（对于系列）或列（对于数据帧）。不在列表中的值 dict/Series/DataFrame将不被填充。此值不能是列表

在您的情况下，代码如下所示：

df.fillna(value={'age': df.age.mean(), 'salary': df.salary.median()}, inplace=True)

并给出：

         age    salary
0  20.000000   48454.0
1  32.333333   22323.0
2  45.000000  598454.0
3  32.333333   48454.0
4  32.000000   48454.0
5  32.333333   48454.0

根据，最简单的方法是将字典作为

值

参数传递：

值：标量、dict、序列或数据帧

age salary
0   20.0    NaN
1   45.0    22323.0
2   NaN 598454.0
3   32.0    NaN
4   NaN 48454.0

用于填充孔的值（例如0），或者是一个dict/Series/DataFrame值，指定每个孔使用哪个值 索引（对于系列）或列（对于数据帧）。不在列表中的值 dict/Series/DataFrame将不被填充。此值不能是列表

在您的情况下，代码如下所示：

df.fillna(value={'age': df.age.mean(), 'salary': df.salary.median()}, inplace=True)

并给出：

         age    salary
0  20.000000   48454.0
1  32.333333   22323.0
2  45.000000  598454.0
3  32.333333   48454.0
4  32.000000   48454.0
5  32.333333   48454.0

---

嘿，德斯瓦尔，你能发布一个你的数据和预期输出的例子吗？@datanovel，当然。我已经更新了。请看一看Hey Deshwal，你能发布一个你的数据和预期输出的示例吗？@DataNovel，当然。我已经更新了。请看一看谢谢！这是你刚刚提供的一些有用的知识。谢谢你！你刚才提供了一些有用的知识。